买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉鹏城实验室申请的专利分子动力学模拟加速方法、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117116368B 。

龙图腾网通过国家知识产权局官网在2025-09-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310976931.4，技术领域涉及：G16C10/00；该发明授权分子动力学模拟加速方法、电子设备及存储介质是由李泽婷;任智祥;田永鸿设计研发完成，并于2023-08-03向国家知识产权局提交的专利申请。

本分子动力学模拟加速方法、电子设备及存储介质在说明书摘要公布了：本申请公开了分子动力学模拟加速方法、电子设备及存储介质，涉及生物信息技术领域，其中训练方法包括：获取目标分子基于力场的目标运动轨迹信息；根据所述目标运动轨迹信息，生成每帧原子位置对应的目标内坐标；其中，所述目标内坐标用于表征每个原子之间的依赖关系；将所述目标内坐标输入至预设的所述自编码器进行降维处理，得到目标隐藏向量；将所述目标隐藏向量集输入至预设的时序模型中，得到分子动态变化过程；其中，所述时序模型为Transformer模型。本申请使用Transformer模型代替现有RNN模型对分子时序隐藏向量动态过程进行建模，能够提高模型的推理速度，从而提高了计算效率。

本发明授权分子动力学模拟加速方法、电子设备及存储介质在权利要求书中公布了：1.一种分子动力学模拟加速方法，其特征在于，包括： 获取目标分子基于力场的目标运动轨迹信息； 根据所述目标运动轨迹信息，生成每帧原子位置对应的目标内坐标；其中，所述目标内坐标用于表征每个原子之间的依赖关系； 将所述目标内坐标输入至预设的自编码器进行降维处理，得到目标隐藏向量； 将所述目标隐藏向量集输入至预设的时序模型中，得到分子动态变化过程；其中，所述时序模型为Transformer模型； 其中，所述时序模型通过以下步骤训练得到： 获取训练分子基于力场的训练运动轨迹信息； 根据所述训练运动轨迹信息，生成每帧原子位置对应的训练内坐标集； 将所述训练内坐标集划分为若干个第一训练样本，并输入至预设的所述自编码器，并通过所述自编码器对所述第一训练样本进行编码处理，得到每个所述第一训练样本对应的训练隐藏向量集； 将所述训练隐藏向量集划分测试向量集和期望向量集，并将所述测试向量集输入至初始状态的所述时序模型中，得到预测向量集； 根据所述期望向量集和所述预测向量集，对所述时序模型的参数进行优化； 其中，在所述将所述训练内坐标集划分为若干个第一训练样本，并输入至预设的所述自编码器，并通过所述自编码器对所述第一训练样本进行编码处理，得到每个所述第一训练样本对应的训练隐藏向量集的步骤之前，还包括所述自编码器的训练步骤： 将一帧原子位置对应的所述训练内坐标集作为第二训练样本，并输入至初始状态的自编码器进行前向计算，得到重建位置； 计算所述第二训练样本和所述重建位置之间的第二损失值； 根据所述第二损失值，对所述自编码器的参数进行优化； 其中，在所述根据所述期望向量集和所述预测向量集，对所述时序模型的参数进行优化的步骤之后，还包括： 再次将所述第一训练样本输入至经过训练后的自编码器进行前向计算和编码处理，得到若干帧原子位置的重建位置集合和每个所述第一训练样本对应的训练隐藏向量集； 将所述训练隐藏向量集划分测试向量集和期望向量集，并将所述测试向量集输入至经过训练后的所述时序模型中，得到预测向量集； 计算所述第一训练样本和所述重建位置集合之间的第三损失值，和计算所述期望向量集和所述预测向量集之间的第四损失值； 根据所述第三损失值和第四损失值，计算得到综合损失值； 根据所述综合损失值，分别对所述自编码器和所述时序模型进行再次优化。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人鹏城实验室，其通讯地址为：518000 广东省深圳市南山区兴科一街2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。